预测
估计测试组件的剩余使用寿命
句法
说明
该预测函数估计测试组件的剩余使用寿命（RUL），给出一个估计模型和有关其使用时间和退化情况的信息。在预测RUL之前，您必须首先使用历史数据配置您的估计模型，这些数据与类似组件（如按照相同规格制造的多台机器）的运行状况有关。为此，请使用适合功能。
运用预测，您可以估计以下类型估计模型的剩余使用寿命：
退化模型
生存模式
相似模型
为了说明RUL预测一个基本的例子，请参见数据到达时更新RUL预测。
有关使用这些模型预测剩余使用寿命的一般信息，请参阅基于RUL估计模型的RUL估计。
实例
列车成对相似模型
负荷训练数据。
加载（'pairwiseTrainVectors.mat'）
训练数据是列向量的单元阵列。每个列向量为成分的降解的特征轮廓。
使用默认设置创建成对相似性模型。
MDL = pairwiseSimilarityModel;
使用培训训练数据的相似性模型。
配合（MDL，pairwiseTrainVectors）
更新线性退化模型并预测RUL
负载观测数据。
加载（'linTestData.mat'，'linTestData1'）
在这个例子中，假设训练数据是不是历史数据，但零件条件的，而实时观测。
基于对退化特征限制的了解，定义一个阈值条件指示值，该值指示组件的寿命结束。
阈值= 60;
创建线性退化模型任意先验分布数据和指定的噪声方差。另外，指定观测数据的生存期和数据变量名。
mdl=线性梯度模型(“西塔”，1，“前卫”，1E6，'噪音消除'，0.003，...'生命时间变量'，“时间”，'DataVariables'，“健康）状况”，...'生命时间单位'，“小时”）;
观察部件状况50个小时，更新每个观测后的劣化模型。
对于I = 1：50的更新（MDL，linTestData1（I，:)）;结束
之后50个小时，预测使用存储在模型中的当前生命时间值的部件的RUL。
estRUL = predictRUL（MDL，阈值）
发情=持续时间50.301小时
估计RUL大约是60个小时，这表明总预测寿命110小时。
用指数退化模型预测RUL
负荷训练数据。
加载（'扩展训练表.mat'）
训练数据是表的单元阵列。每个表是一个组件退化的特征轮廓。每个配置文件包含的续航时间测量“小时”在变量和相应的降解特征测量“健康）状况”变量。
创建一个指数退化模型，并指定续航时间变量单位。
MDL = exponentialDegradationModel（'生命时间单位'，“小时”）;
使用培训训练数据的退化模型。指定的续航时间和数据变量名。
配合（MDL，expTrainTables，“时间”，“健康）状况”）
负载测试数据，它是测试组件的运行到故障降级配置文件。测试数据是一个具有与训练数据相同的生存时间和数据变量的表。
加载（'expTestData.mat'）
基于对退化特征限制的了解，定义一个阈值条件指示值，该值指示组件的寿命结束。
阈值=500；
假设您在150小时内每小时测量一次组件状态指示器。根据每次测量更新训练的退化模型。然后，预测组件在150小时内的剩余使用寿命。RUL是降级功能将通过指定阈值的预测时间。
对于t=1:150更新（mdl，expTestData（t，：））结束estRUL = predictRUL（MDL，阈值）
发情=持续时间136.63小时
估计RUL在附近137小时，这表明总预测寿命287个小时。
用协变量生存模型预测RUL
负荷训练数据。
加载（'协变量数据'）
此数据包含电池放电时间和相关协变量信息。协变量为：
温度
加载
制造商
制造商的信息是必须编码的分类变量。
建立协变量生存模型，利用训练数据对其进行训练。
MDL = covariateSurvivalModel（'生命时间变量'，“卸货时间”，'生命时间单位'，“小时”，...'DataVariables'[“温度”，“加载”，“制造商”],'EncodedVariables'，“制造商”)；拟合（mdl，协变量数据）
成功收敛：梯度范数小于选项.TolFun
假设你有由制造商生产的电池组乙已经运行三十小时。创建一个包含使用时间测试数据表，放电时间和所测量的环境温度，TestAmbientTemperature和电流消耗，TestBatteryLoad。
TestBatteryLoad = 25;TestAmbientTemperature = 60;DischargeTime =小时（30）;TESTDATA =时间表（TestBatteryLoad，TestAmbientTemperature，“B”，'划船时间'，小时（30））;TestData.Properties.VariableNames = {'温度'，'加载'，“制造商”}; TestData.Properties.DimensionNames测试数据属性维度名称{1}='卸货时间';
预测电池的RUL。
estRUL = predictRUL（MDL，TESTDATA）
发情=持续时间38.657小时
绘制电池协变量数据的生存函数。
绘图（mdl，测试数据）
用可靠性生存模型和视图PDF预测RUL
负荷训练数据。
加载（'reliabilityData.mat'）
此数据是持续时间对象表示电池的放电时间。
创建一个可靠的生存模式，指定续航时间变量，续航时间单位。
mdl=可靠性生存模型('生命时间变量'，“卸货时间”，'生命时间单位'，“小时”）;
使用培训训练数据中的生存模式。
配合（MDL，reliabilityData）
预测一个新的组件的寿命，并且获得用于估计的概率分布函数。
[estRUL，ciRUL，pdfRUL] = predictRUL（MDL）;
绘制概率分布图。
巴（pdfRUL.RUL，pdfRUL.ProbabilityDensity）xlabel（'剩余使用寿命（小时）'）XLIM（小时（[40 90]））
通过提供仓的用于预测的数目和块大小改善的分布图。
[estRUL，ciRUL，pdfRUL] = predictRUL（MDL，'BinSize'，0.5％，'麻木'，500）；巴(pdfRUL.RUL公司,概率密度)xlabel公司('剩余使用寿命（小时）'）XLIM（小时（[40 90]））
预测运行50小时的部件的RUL。
[estRUL，ciRUL，pdfRUL] = predictRUL（MDL，小时（50），'BinSize'，0.5％，'麻木'，500）；巴(pdfRUL.RUL公司,概率密度)xlabel公司('剩余使用寿命（小时）'）XLIM（小时（[0 40]））
输入参数
输出参数
兼容性注意事项
介绍了在R2018a
您还可以选择从下面的列表中的网站：
